Zacznij tutaj: pięć kroków, po kolei
Zrób najpierw te pięć rzeczy, jedną po drugiej. Każda prowadzi do pełnego opisu praktyki i dowodów, które za nią stoją.
-
Wyznacz członka zarządu odpowiedzialnego za AI i daj mu centralny zespół. Ryzyko i zgodność z przepisami powierz osobnym osobom.
Dni, jedna osoba Wyznacz jedną osobę odpowiedzialną za AI
-
Prowadź rejestr wszystkich zastosowań AI w firmie, także narzędzi, po które pracownicy sięgnęli sami. Niech prowadzi go dział prawny i zgodności, a przed zakupem każdego nowego narzędzia AI zajrzyj do rejestru.
Dni, jedna osoba Poznaj przepisy, które już dotyczą twojego korzystania z AI
-
Zaplanuj centralnie budżet na szkolenia, przebudowę procesów i pomoc ludziom w zmianie. Pozostawione jednostkom, każda z nich da na to za mało.
Dni, jedna osoba Planuj budżet na ludzi i procesy, nie tylko na narzędzia
-
Wybierz proces, w którym pilotaż już pokazał zysk na jednym etapie. Przebuduj go od początku do końca, pod kierunkiem osoby, która ma władzę nad całym łańcuchem.
Miesiące, kilka zespołów Przebuduj proces pracy, zamiast dokładać do niego narzędzie
-
Zanim wdrożysz szerzej jakiekolwiek zastosowanie AI, przepuść prawdziwe dawne sprawy na trzy sposoby: sam człowiek, sama AI, człowiek z AI. Porównaj najpierw jakość, potem czas.
Tygodnie, kilka osób Dla każdego rodzaju zadania sprawdź, czy człowiek z AI wypada lepiej niż każde z nich osobno
Potem: wszystkie 27 praktyk dla tej wielkości firmy
Zobacz to w firmie takiej jak twoja Procter & Gamble: jedna osoba z AI dorównała dwuosobowemu zespołowi bez AI
Co jest specyficzne dla tej wielkości
- Powszechne użycie, rzadki zysk. W globalnej ankiecie McKinsey z 2025 roku 88% organizacji używało AI w co najmniej jednej funkcji biznesowej. Około 6% przypisywało AI 5% lub więcej zysku operacyjnego (strona badania). Ankiety zaprojektowane tak, by reprezentowały wszystkie firmy, pokazują mniej. W ankiecie wśród blisko 6000 menedżerów najwyższego szczebla w Stanach Zjednoczonych, Wielkiej Brytanii, Niemczech i Australii, prowadzonej z bankami centralnymi, AI używało 69% firm. Około dziewięciu na dziesięciu nie zgłosiło żadnego wpływu na zatrudnienie ani produktywność we własnej firmie w ciągu ostatnich trzech lat (dokument roboczy). W ankiecie US Census Bureau użycie AI sięgało 50–60% tylko wśród bardzo dużych firm z branży informacyjnej, usług profesjonalnych i finansów (strona badania).
- Te dwie grupy różni przebudowa przebiegu pracy. Firmy z najlepszymi wynikami niemal trzy razy częściej niż inne przebudowały od podstaw poszczególne przebiegi pracy.
- Zaangażowanie kierownictwa widać. Firmy z najlepszymi wynikami trzy razy częściej mówiły, że najwyższa kadra bierze odpowiedzialność za AI i angażuje się w nią.
- Dwa testy asystenta biurowego z losowym przydziałem. HMRC, brytyjski urząd skarbowy, dał 3000 licencji Microsoft 365 Copilot losowo wybranym pracownikom. Używało ich 83%. Użytkownicy deklarowali oszczędność około 60 minut tygodniowo, po tym jak HMRC obniżył deklarowaną liczbę o około 20%, by uwzględnić skrzywienie (przypadek HMRC). W 66 firmach 7137 pracowników, którzy losowo dostali to samo narzędzie, spędzało nad e-mailami około dwóch godzin tygodniowo mniej, bez zmiany w ilości i rodzaju ich zadań. Trzech z czterech autorów pracowało dla Microsoftu (strona badania).
- Zatrudnianie młodszych pracowników jest sporne. W amerykańskich danych z CV firmy, które ogłaszały oferty pracy dla osób mających wbudować generatywną AI w ich pracę, stanowiły 3,7% firm, ale zatrudniały 16% pracowników. Sześć kwartałów po rozpoczęciu zatrudnienie młodszych pracowników było w nich o około 9% niższe niż w innych firmach, a zatrudnienie starszych stażem się utrzymało (strona badania). Comiesięczne zestawienie Yale Budget Lab, zaktualizowane we wrześniu 2026 roku, nie pokazuje wyraźnych zaburzeń na amerykańskim rynku pracy (Yale Budget Lab). Zob. zachowaj zadania, na których uczą się początkujący.
- Ryzyko rośnie ze skalą. W tej samej ankiecie 51% organizacji używających AI doświadczyło co najmniej jednego negatywnego skutku, najczęściej błędnych wyników.
Przeczytaj część przewodnika o tej wielkości firmy, żeby zobaczyć liczby i ich źródła.
Wszystkie praktyki dla tej wielkości
To pełna lista, do której warto wrócić po pięciu krokach: 27 praktyk, które pasują do firm, które mają 1000+ pracowników. Są pogrupowane według etapu. W każdej grupie na początku jest to, co zrobić najpierw. Filtruj je według obszaru, momentu albo poziomu dowodów.
Rozpoznanie
Sprawdź, gdzie jesteś i gdzie AI mogłaby pomóc.
- Rozpisz zadania, zanim zdecydujesz, co zautomatyzować Rozłóż stanowiska na zadania i przyjrzyj się każdemu z nich. Publikowane wskaźniki oceniają, jaką część pracy mogłaby wykonać AI, czyli jej „ekspozycję” na AI. Traktuj wysoki wynik jako miejsce, któremu warto się przyjrzeć, a nie jako decyzję o automatyzacji. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Zanim kupisz, poproś dostawcę AI o dowody i przetestuj narzędzie na własnym materiale Nie przyjmuj na wiarę liczby, którą dostawca AI podaje jako dokładność narzędzia, ani obietnicy „pełnej zgodności z przepisami”. Zapytaj, jak i na czym to sprawdzono, przeprowadź mały test na własnym materiale i sprawdź warunki dotyczące twoich danych i wyjścia z umowy. Zrób najpierw · Nakład pracy: średni (tygodnie, kilka osób)
- Poznaj przepisy, które już dotyczą twojego korzystania z AI Większość przepisów, które wiążą cię przy korzystaniu z AI, to nie są przepisy o AI. Odpowiadasz za to, co mówi i robi twoja AI, na podstawie przepisów o ochronie konsumentów, prywatności, reklamie i zasad zawodowych, których już przestrzegasz. Wypisz zastosowania AI i do każdego dopasuj przepisy. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Nie traktuj wyniku oceny dojrzałości jak prognozy Wynik oceny dojrzałości lub gotowości do AI opisuje, gdzie według własnej deklaracji jesteś. Dowody, że wyższy wynik prowadzi do lepszych rezultatów, są skąpe i sporne. Używaj go, by zacząć rozmowę, a nie by przewidywać zyski. Zrób potem · Nakład pracy: niski (dni, jedna osoba)
- Mierz gotowość i opór osobno Pracownicy mogą jednocześnie chcieć AI i się jej obawiać. Pytaj o jedno i drugie osobno. Jeden wynik „gotowości” ukrywa obawy. Zrób potem · Nakład pracy: średni (tygodnie, kilka osób)
- Oceniaj gotowość na podstawie kilku źródeł, a nie oceny jednego członka zarządu Ocena gotowości wypełniona przez jedną osobę z kierownictwa pokazuje punkt widzenia tej osoby. Zapytaj też pracowników i kierowników, a odpowiedzi porównaj z tym, co da się zaobserwować. Zrób potem · Nakład pracy: średni (tygodnie, kilka osób)
Zastosowanie
Użyj AI w prawdziwych zadaniach, a wyniki niech sprawdzają ludzie.
- Chroń poczucie bezpieczeństwa psychologicznego podczas wdrożenia AI Projekty AI mogą sprawić, że pracownicy boją się zabierać głos i niechętnie dzielą się wiedzą. Powiedz wcześnie, co AI oznacza dla miejsc pracy, i konsultuj się z ludźmi, których to dotyczy. Zrób najpierw · Nakład pracy: średni (tygodnie, kilka osób)
- Niech człowiek sprawdza wszystko, co trafia do klienta lub ma znaczenie prawne Zanim wynik AI wyjdzie poza firmę albo posłuży do decyzji, wskazana osoba sprawdza go z prawdziwymi źródłami i zatwierdza. Niech to sprawdzenie będzie krokiem w procesie, z zarezerwowanym na nie czasem. Zrób najpierw · Nakład pracy: średni (tygodnie, kilka osób)
- Planuj budżet na ludzi i procesy, nie tylko na narzędzia Licencje to mała część kosztów. Większość czasu i pieniędzy zaplanuj na szkolenia, przebudowę pracy i pomoc ludziom w przejściu przez zmianę. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Szkol pracowników z obsługi narzędzi, które firma naprawdę wybrała Pokaż każdemu użytkownikowi, czym jest wybrane narzędzie AI, gdzie się myli i co trzeba sprawdzać. Pracuj na własnych zadaniach i własnych zasadach, daj ludziom czas na ćwiczenie i obejmij szkoleniem pracowników tymczasowych. Zrób najpierw · Nakład pracy: średni (tygodnie, kilka osób)
- Mierz czas zaoszczędzony na zadaniu względem pomiaru wyjściowego Zanim dodasz AI, zapisz, ile trwa zadanie i jak dobry jest wynik. Bez tej liczby wyjściowej nie odróżnisz prawdziwego zysku od pobożnego życzenia. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Napisz jednostronicową politykę korzystania z AI, którą pracownicy naprawdę przeczytają Zmieść zasady dotyczące AI na jednej stronie: jakie narzędzia są dozwolone, czego nigdy nie wolno do nich wpisywać, kto sprawdza wyniki i kogo pytać. Potem wbuduj najważniejszą zasadę w samą pracę, bo sama kartka jest ignorowana. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Wyznacz jedną osobę odpowiedzialną za AI Powierz odpowiedzialność za AI jednej wskazanej osobie z kierownictwa: priorytety, budżet, ryzyko i wyniki. Wspólna odpowiedzialność zwykle oznacza, że nikt nie decyduje. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Zaplanuj budżet na pracę, którą tworzy AI AI usuwa część pracy i dodaje inną: sprawdzanie wyników, prowadzenie zapisów, obsługę wyjątków i dbanie o narzędzia. Policz tę pracę i przypisz jej właściciela, zanim policzysz oszczędność. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Zdecyduj, jakie dane mogą trafiać do jakich narzędzi AI Podziel dane na dwie lub trzy grupy i określ, do jakich narzędzi AI może trafiać każda z nich. Tajemnice klientów i dane osobowe nie trafiają do publicznych narzędzi. Tam, gdzie błąd byłby poważny, zablokuj przesyłanie, zamiast polegać na zasadzie. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Niech AI pokazuje, na czym opiera swoją odpowiedź Wynik punktowy lub szacunek bez uzasadnienia trudno ocenić. Wybieraj i ustawiaj narzędzia AI tak, by każda odpowiedź przychodziła z tym, na czym się opiera: zaznaczonym fragmentem obrazu, podobnymi dawnymi przypadkami, fragmentem dokumentu. Zrób potem · Nakład pracy: średni (tygodnie, kilka osób)
- Sprawdzaj wiedzę o AI testem, zamiast prosić pracowników o samoocenę Ludzie słabo oceniają własne umiejętności. Żeby dowiedzieć się, co twoi pracownicy wiedzą o AI, użyj krótkiego testu wiedzy albo drugiej opinii, a nie tylko samooceny. Zrób potem · Nakład pracy: średni (tygodnie, kilka osób)
- Najpierw daj wsparcie AI pracownikom z krótszym stażem Gdy wdrażasz asystenta AI do dobrze określonego zadania, zacznij od mniej doświadczonych osób. Badania pokazują, że to one zyskują najwięcej. Zrób potem · Nakład pracy: niski (dni, jedna osoba)
- Obiecuj tylko to, co twoja AI robi w sprawdzonych testach Jeśli mówisz klientom, że twój produkt lub usługa używa AI albo jak dobrze działa, miej dowody, zanim to powiesz. Regulatorzy traktują „oparte na AI” i „dokładność 98%” jak każde inne twierdzenie o faktach. Zrób potem · Nakład pracy: niski (dni, jedna osoba)
- Uporządkuj własne dane, zanim AI zacznie na ich podstawie przewidywać AI, która szacuje cenę, czas albo następny krok, uczy się na twoich dawnych zleceniach i klientach. Najpierw zadbaj, by te dane były kompletne, spójne i w jednym miejscu. W opisanych tu przypadkach to była większość pracy. Zrób potem · Nakład pracy: średni (tygodnie, kilka osób)
- Prowadź dwa tory: część zadań przekaż AI, w innych daj ekspertom pomoc AI Traktuj prace nad AI jak dwa programy. Jeden automatyzuje powtarzalne zadania cyfrowe, których wyniki łatwo sprawdzić. Drugi daje pomoc AI ekspertom przy pracy, której nie da się przekazać. Oceniaj każdy według jego własnej miary. Zrób potem · Nakład pracy: średni (tygodnie, kilka osób)
- Ustal granice, zanim narzędzie zacznie działać Zanim narzędzie AI ustali cenę, wyśle wiadomość albo wykona krok za ciebie, zapisz, czego nie może zrobić nigdy, jak daleko może się posunąć i co wymaga człowieka. Wbuduj te granice w narzędzie, a potem testuj w ich ramach. Zrób potem · Nakład pracy: niski (dni, jedna osoba)
Przebudowa
Zmień sposób wykonywania pracy, nie tylko narzędzia.
- Dla każdego rodzaju zadania sprawdź, czy człowiek z AI wypada lepiej niż każde z nich osobno Nie zakładaj, że dodanie człowieka do AI albo AI do człowieka daje najlepszy wynik. Sprawdź to dla każdego rodzaju zadania, zanim ustalisz proces. Zrób potem · Nakład pracy: średni (tygodnie, kilka osób)
- Przebuduj proces pracy, zamiast dokładać do niego narzędzie Danie ludziom narzędzia AI w niezmienionym procesie niewiele zmienia. Zdecyduj od nowa, kto wykonuje każdy krok, w jakiej kolejności i gdzie sprawdza człowiek. Zrób potem · Nakład pracy: wysoki (miesiące, kilka zespołów)
Utrzymanie
Dbaj, żeby to działało: umiejętności, jakość i regularne przeglądy.
- Gdy AI się pomyli, popraw błąd szybko i otwarcie Zdecyduj już teraz, co się dzieje, gdy błąd AI wyjdzie na zewnątrz: kogo się powiadamia, kto wycofuje lub poprawia pracę i kto sprawdza, jak daleko sięga problem. W opisanych przypadkach firmy, które szybko przyznały się do błędu, potraktowano znacznie łagodniej niż te, które go broniły. Zrób potem · Nakład pracy: niski (dni, jedna osoba)
- Co jakiś czas sprawdzaj, co pracownicy potrafią zrobić bez AI Na próbce przypadków niech ludzie wykonają pracę bez AI, a wynik porównaj z ich zwykłą pracą. Zacznij od osób, które sprawdzają wyniki AI, i od osób, które wciąż uczą się zawodu, a narzędzia dla uczących się ustaw tak, by dawały wskazówki, a nie odpowiedzi. Zrób później · Nakład pracy: średni (tygodnie, kilka osób)
- Zachowaj zadania, na których uczą się początkujący Zanim zautomatyzujesz rutynową pracę, sprawdź, czy to na niej młodsi pracownicy uczą się zawodu. Jeśli tak, zostaw im jej część albo zapewnij naukę w inny sposób. Zrób później · Nakład pracy: średni (tygodnie, kilka osób)
Przypadki firm
To konkretne firmy tej wielkości, z liczbami i publicznym źródłem. Wszystkie przypadki.
- Air Canada: odpowiedzialna za to, co chatbot na jej stronie powiedział klientowi Chatbot na stronie Air Canada podał klientowi błędne informacje o zwrotach. Kanadyjski trybunał nakazał linii zapłacić. Odrzucił argument, że firma nie odpowiada za swojego chatbota.
- Ashurst: pierwsze wersje pism szybciej o 45–80% w testach na czas, a prawnicy nadal dokładniejsi Kancelaria Ashurst przez pięć miesięcy testowała generatywną AI z 411 swoimi pracownikami i opublikowała wyniki. W testach na czas pierwsze wersje powstawały o 45% do 80% szybciej. W ślepym porównaniu projekty samych prawników były średnio dokładniejsze, a jeden projekt AI powoływał się na błędny wyrok.
- Commonwealth Bank of Australia zlikwidował 45 stanowisk na rzecz voicebota, a potem przyznał, że nie były zbędne Commonwealth Bank of Australia ogłosił, że voicebot AI zastąpi 45 stanowisk w obsłudze klienta. Związek zawodowy pracowników mówił, że połączeń przybywa, a nie ubywa. Miesiąc później bank przyznał, że jego ocena była błędem, a stanowiska nie były zbędne, i przeprosił.
- Deloitte Australia: raport dla rządu wydany ponownie, żeby poprawić błędne przypisy Raport Deloitte dla australijskiego ministerstwa trzeba było wydać ponownie, żeby poprawić przypisy i streszczenie sprawy sądowej. Poprawiona wersja ujawniła użycie narzędzia generatywnej AI. Raport nie mówi, że to AI spowodowała błędy.
- Służba ochrony dzieci w Wiktorii: pracownik wpisał szczegóły sprawy do ChatGPT, a regulator nakazał zablokować te narzędzia Pracownik ochrony dzieci wpisał do ChatGPT dane osobowe rodziny, żeby przygotować raport dla sądu. Raport zawierał błędy. Regulator ochrony prywatności ustalił, że ministerstwo nie miało żadnych zasad, szkoleń ani technicznych ograniczeń dla takich narzędzi, i nakazał je zablokować.
- eBay: tłumaczenie maszynowe zwiększyło sprzedaż zagraniczną o około 11% eBay zaczął tłumaczyć zapytania i tytuły ofert dla kupujących mówiących po hiszpańsku. Recenzowane badanie wykazało, że eksport z USA do tych kupujących na eBayu wzrósł o 10,9%. To jeden z niewielu wyników AI w handlu zmierzonych przez zewnętrznych badaczy.
- Hitachi Energy: model AI wskazał dwa etapy produkcji, które psuły chipy Badacze wytrenowali model AI na zapisach produkcyjnych fabryki chipów i zapytali go, które etapy procesu najbardziej psują chipy. Inżynierowie sprawdzili jego dwie sugestie na partii produkcyjnej i straty spadły o 21,7%. Przy drugim produkcie ta sama metoda zmniejszyła straty o 51,3%. Zwykła analiza fabryki nie znalazła żadnej z tych przyczyn.
- HMRC dał losowo 3000 licencji Copilota: około godziny tygodniowo oszczędności, według szacunków pracowników Brytyjski urząd skarbowy losowo wybrał 3000 pracowników i na trzy miesiące dał im asystenta AI w oprogramowaniu biurowym. Większość z niego korzystała i była zadowolona. Pracownicy szacowali, że oszczędza około godziny tygodniowo, a urząd obniżył deklarowane szacunki, bo chętni użytkownicy częściej odpowiadali.
- Klarna: AI obniżyła wydatki na zewnętrznych dostawców marketingu o jedną czwartą Klarna podała, że dzięki narzędziom AI wydaje o 25% mniej na zewnętrznych dostawców marketingu i prowadzi więcej kampanii. Dla agencji to klient, który publicznie mówi, jaką pracę przeniósł do siebie.
- Klarna: asystent AI przejął dwie trzecie czatów z klientami, a potem firma znów zatrudniła ludzi Klarna ogłosiła duże oszczędności dzięki asystentowi AI w obsłudze klienta. Mniej więcej rok później jej prezes powiedział, że firma oceniała tę pracę za bardzo przez pryzmat kosztów, i zaczęła znów zatrudniać konsultantów. Asystent AI został.
- Morgan & Morgan: osiem zmyślonych wyroków z własnego narzędzia AI kancelarii, podpisanych przez trzech prawników Prawnik poprosił własne narzędzie AI kancelarii o dodanie orzecznictwa do pisma procesowego. Osiem z dziewięciu powołanych spraw nie istniało. Dwóch innych prawników podpisało pismo bez czytania. Kancelaria szkoliła pracowników, a potem dodała ostrzeżenie w samym narzędziu.
- Procter & Gamble: jedna osoba z AI dorównała dwuosobowemu zespołowi bez AI Badacze przeprowadzili eksperyment z 776 pracownikami Procter & Gamble na prawdziwych zadaniach z rozwoju produktów. Osoby pracujące samodzielnie z AI tworzyły pomysły oceniane tak samo wysoko jak pomysły dwuosobowych zespołów bez AI i robiły to szybciej.
- PSG Global Solutions: rozmowy kwalifikacyjne prowadziła AI, a o zatrudnieniu decydowali ludzie Firma rekrutacyjna pozwoliła głosowemu agentowi AI prowadzić rozmowy kwalifikacyjne, a jej rekruterzy zachowali każdą decyzję o zatrudnieniu. W badaniu z losowym przydziałem, obejmującym 70 884 aplikacje, osoby, z którymi rozmawiała AI, o 12% częściej dostawały ofertę i częściej zostawały w pracy.
- Rite Aid: pięcioletni zakaz rozpoznawania twarzy po zakupie systemu bez sprawdzenia go Rite Aid używała rozpoznawania twarzy do wykrywania podejrzanych o kradzieże. Amerykański regulator ochrony konsumentów stwierdził, że sieć nigdy nie zapytała dostawców, jak dokładny jest system, nigdy go nie sprawdziła i nie przeszkoliła pracowników. Klientów niesłusznie oskarżano. Sieć dostała pięcioletni zakaz używania tej technologii.
- Siemens: kontrolerzy wykrywali więcej wad, gdy AI pokazywała, co zobaczyła Badacze dali 48 kontrolerom w fabryce elektroniki Siemensa pomoc AI przy sprawdzaniu płytek drukowanych. Połowa widziała tylko wynik AI. Druga połowa widziała też obraz z zaznaczonym miejscem, w którym AI znalazła problem. Druga grupa wykryła więcej wad, a większość jej członków radziła sobie lepiej niż sama AI.
- UK Department for Business and Trade: 1000 licencji Copilot, zadowoleni użytkownicy, brak dowodu na wyższą wydajność Brytyjskie ministerstwo dało 1000 pracowników asystenta AI w biurowym oprogramowaniu, którego już używali, i zmierzyło efekt. Większość użytkowników była zadowolona, a zadania pisarskie szły szybciej. Niektóre zadania szły wolniej albo wychodziły gorzej, a ministerstwo nie znalazło dowodów na wyższą wydajność.
- Walmart: generatywna AI poprawiła 850 milionów elementów danych o produktach Walmart powiedział inwestorom, że użył generatywnej AI do utworzenia lub poprawienia ponad 850 milionów elementów danych o produktach. To zadanie wąskie, powtarzalne i łatwe do sprawdzenia, a w takich AI zwykle się sprawdza.
- WPP: £300 mln rocznie na platformę AI, a przychody i tak spadły WPP, jedna z największych grup reklamowych, dużo zainwestowała we własną platformę AI i podawała, że pracownicy szeroko z niej korzystają. Jej przychody i tak spadły w 2025 roku. Inwestycja w AI sama nie ochroniła dochodów agencji.
Przykład praktyczny
Ten przykład to średnia firma. Kroki są takie same przy każdej wielkości: zmapuj zadania, posortuj je, wyznacz osoby odpowiedzialne i prowadź pilotaż etapami.